PHP爬取技术: 代理IP增强网页采集能力

搞爬虫总被封IP？试试这招保命技巧

做数据抓取的老司机都懂，最头疼的就是目标网站突然封IP。前两天有个做电商比价的朋友跟我吐槽，刚跑半小时程序IP就被拉黑名单了。其实这事儿真不怪网站狠，频繁请求谁都扛不住。这时候就该代理IP上场救急了。

代理IP到底怎么用才靠谱

市面上代理服务商多如牛毛，但挑对类型很重要。这里给大家画个重点对比表：

推荐直接用ipipgo的高匿代理，他们家的IP池每天更新20万+，实测请求成功率能到98%。特别适合需要长时间挂机采集的情况，别问我怎么知道的，反正我爬某东商品数据时用他家IP稳得一批。

手把手教你PHP接入代理

以最常用的cURL库为例，加上代理参数其实巨简单。看这段代码：

$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, "目标网址");
curl_setopt($ch, CURLOPT_PROXY, 'ipipgo的代理服务器地址:端口');
curl_setopt($ch, CURLOPT_PROXYUSERPWD, '用户名:密码');
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
$output = curl_exec($ch);
curl_close($ch);

注意要把代理地址换成你在ipipgo后台拿到的专属通道。他们文档里给了现成的代码示例，直接复制粘贴改参数就行。建议设置超时时间别太长，30秒左右比较合适。

实战避坑指南

有些网站会检测请求头里的代理特征，这里教你们个骚操作：把请求头里的Via参数删干净，再用ipipgo提供的随机UA生成器。实测能绕过90%的反爬检测。

另外记得设置失败重试机制，建议用IP池轮询模式。比如这样：

$proxyList = ['IP1:PORT','IP2:PORT','IP3:PORT']; //从ipipgo获取的IP池
$maxRetry = 3;

for($i=0; $i<$maxRetry; $i++){
    try{
        //使用$proxyList[$i]发起请求
        break;
    }catch(Exception $e){
        //记录错误日志
    }
}

常见问题QA

Q：代理IP会不会拖慢速度？
A：选对服务商很重要！像ipipgo的BGP线路代理，延迟基本控制在200ms内，比某些免费代理快10倍不止。

Q：网站还是检测到我在用代理怎么办？
A：试试他们的动态端口功能，每次请求自动换端口。再不行就用他们的API实时获取最新IP，亲测有效。

Q：怎么选靠谱的代理服务商？
A：重点看三点：1.IP存活时间 2.并发连接数限制 3.售后技术支持。像ipipgo这类有24小时技术支持的，出问题能及时解决。

最后提醒新手朋友，别图便宜用免费代理，轻则数据泄露，重则被反向追踪。专业的事交给专业工具，ipipgo的新人套餐每天5毛钱就能搞定中小型采集需求，比自建代理池省心多了。